EEG动力学模型中随机共振现象的仿真研究

脑电图(electroencephalogram,EEG)中随机共振现象的研究对于分析大脑系统的行为具有重要理论意义和应用价值.为了模拟大脑系统中检测信号的机制,提出使用信噪比、互相关系数、互信息率对比评价方法,对EEG动力学模型中随机共振现象进行了研究.实验结果表明,EEG动力学模型不但存在着周期随机共振现象,同时也存在着非周期随机共振现象.此研究为大脑系统中存在着随机共振现象的观点提供了一种新的证据.     

基于变异系数和最大特征树的特征选择方法

特征选择是数据挖掘的关键过程,特征贡献度评分和特征优选是其核心部分.针对特征贡献度评分,提出一种用变异系数度量类内距离、互信息度量类间距离的CVMI(coefficient of variation and mutual of information)方法,将该算法运用到嵌入式特征选择方法中进行特征优选.实验采用UCI...     

好网络为高端对话"保驾护航"——香港世贸会议成功背后的故事

世界杯、世贸工作会、八国首脑会谈、世界经济论坛……每年全球都要举办各类世界级峰会，在这些盛会的背后，工作人员承受的压力之大往往是难以想象的“所有的关键信息都会通过大会网络平台快速分发到世界各地，与会的各国代表也需要与本国政府实时交互信息以便谈判决策。会议的网络平台就是全球关注这次会议的中枢神经，     

基于最大互信息的连续型隐马尔可夫模型参数训练方法

研究了基于最大互信息(MMI)的连续隐马氏模型参数训练,并给出了具体的算法.     

基于最大互信息的离散隐马尔柯夫模型训练方法

在基于隐马尔柯夫模型（HMM）的语音识别系统中,模型训练最常用的算法是Baum-Welch算法,该算法具有快速收敛及保证每步迭代模型的似然概率单调增的优点,但它基于最大似然训练准则,而该准则不能将各个模型很好地分析,这直接导致了识别时的错误,鉴于最大互信息可以克服这一缺点,提出了一种基于最大互信息的训练方法,该方法借助于梯度,调整参数以使模型与训练数据的互信息最大,实验结果表明,使用该方法使系统的识别性能得到了一定的改善。     

基于互信息和测度学习信度网结构

交叉熵是对一个分布与其近似分布的接近程度的度量。在许多关于信度网结构的学习文献中,都将交叉熵作为检验算法学习效果的一个指标。笔者直接从交叉熵最优这一指标出发,在分析已有测度的基础上,提出了一个新的测度－互信息和测度,并证明了该测度的可分解性质。最后,给出了利用互信息和测度进行信度网结构学习的两种启发式搜索算法。     

一种光照不变性模型下的阴影去除方法

提出了一种新的基于光照不变性模型的阴影消除方法。首先对二维光照不变性图像恢复阴影,再利用基于互信息的图像融合去除运动目标的投影,最后通过图像镜像消除边界条件的制约,改善阴影去除效果。实验结果表明,该方法能够有效地消除运动目标的阴影。     

基于模拟退火-单纯形法的目标函数的优化

分析了在基于互信息方法的图像配准中,目标函数产生局部极值的原因,提出以模拟退火单纯形法作为优化策略,该方法利用了单纯形法的一种修改后的形式作为模拟退火中随机变化的发生器.此外还添加了新的边界约束处理环节,最后将本方法同Powell法和边界约束采用撞壁法时的模拟退火单纯形法的实验结果做了对比,表明本方法具有更好的精确性和稳定性.     

基于最大信息系数法的汇率对汽车出口贸易的相关性分析

介绍了最大信息系数(MIC)、特征矩阵、互信息的定义,进而依据公式得到最大互信息(MIC),此处的MIC是一个标准化的得分;其次,利用这个得分判定人民币升值对汽车出口贸易的影响程度,与运用回归分析的方法相比,表明了最大信息系数法对于探索二者相关性的准确性.     

寻优方法在医学图像配准中性能比较研究

医学图像配准是以相似性测度为目标函数,通过多参数优化方法寻找最佳变换参数的过程.本文以MI为相似性测度,通过分别使用Poweli算法和PSO法等方法寻优得到最佳变换参数,并对它们的性能进行了比较.实验结果表明,Powell法适合于单、多模态配准;虽然PSO法能成功配准,但是寻优效率有待提高,有必要在精度和时间效率之间进...